/ Модель

Характеристики

Лицензия
MIT
Библиотека
audioforge
Опубликована
24 июл 2026

audioforge-scratch-cnn-fsd50k

Классификация аудиоАудио → label3 профессии

CNN-модель AudioForge, обученная с нуля на FSD50K для многометочной классификации звуковых событий окружающей среды.

41скачиваний за 30 дней0лайковвеса обновлены24 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

auro-rirum/audioforge-scratch-cnn-fsd50k — модель AudioForge на архитектуре ScratchAudioCNN, обученная с нуля на датасете FSD50K для многометочной классификации звуковых событий окружающей среды. Она предназначена для определения нескольких типов событий в аудиозаписи; для загрузки требуется пакет audioforge, поскольку модель не является штатным классом Transformers.

В README приведены метрики проверки на FSD50K: mAP 0,302, micro F1 0,426 и macro F1 0,118. Модель распространяется в формате safetensors по лицензии MIT.

Сценарии применения

  • определение звуков окружающей среды в аудиозаписях
  • многометочная разметка аудио по звуковым событиям
  • классификация звуков для анализа записей наблюдения

Ограничения

Невысокие значения macro F1 и mAP на проверке FSD50K указывают на ограниченное качество распознавания; метрики не подтверждают качество на других наборах звуков. Для загрузки требуется пакет audioforge.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

auro-rirum/audioforge-scratch-cnn-fsd50k

ScratchAudioCNN trained from random initialization on FSD50K for multi-label environmental sound event classification, produced by the AudioForge training pipeline.

Validation metrics (FSD50K)

MetricValue
mAP0.3020141498869784
micro F10.4260097201273672
macro F10.11832448567467674

Usage

This is a custom PyTorch architecture, not a native transformers class -- loading it requires the audioforge package:

import json
import torch
from huggingface_hub import hf_hub_download
from safetensors.torch import load_file
from audioforge.models.scratch_cnn import create_scratch_cnn

config_path = hf_hub_download("auro-rirum/audioforge-scratch-cnn-fsd50k", "config.json")
weights_path = hf_hub_download("auro-rirum/audioforge-scratch-cnn-fsd50k", "model.safetensors")

with open(config_path, encoding="utf-8") as f:
    config = json.load(f)

model = create_scratch_cnn(**config)
model.load_state_dict(load_file(weights_path))
model.eval()

Input: log-mel spectrogram [batch, 1, n_mels, frames] (see audioforge.features.logmel). Output: raw logits [batch, num_labels]; apply torch.sigmoid for per-label probabilities.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · audioforge · audio-classification

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
0510265

0 моделей